FPGA中RAM资源的测试定位算法研究及实现

在XC4000系列FPGA中,每个CLB的两个四输入查找表都可以被配置成随机存取存储器(RAM),RAM可以为FPGA提供存储大量数据的能力,因此,对RAM的测试是FPGA完备性测试必不可少的部分.根据RAM的结构和功能,提出一种有效的测试方法,并以XC4010E-PQ160为例,使用SOC软硬件协同验证平台,证明两次配置就可以完成对RAM的全覆盖可定位测试.     

基于故障映射的FPGA互连资源故障测试与定位

由于FPGA互联资源故障定位是FPGA故障测试的一个难点,尤其需要准确地判断故障的类型和精确地定位故障的位置,因此文中提出一种通过故障映射方法将SRAM型FPGA的互连资源故障映射到LUT的输出上,间接地测试与定位互连资源故障的一种方法.同时将故障映射这种方法与传统经典的三次配置测试互连资源方法的核心思想相结合,在高故障率的FPGA中实现了互连资源的100％故障测试覆盖率,并精确地将故障定位至FPGA互连金属线段或PIP对.该算法采用了最小可重复单元结构,FPGA中被测试资源可以由连续或不连续的任意数量最小可重复单元组成,因此更适合FPGA的重复性结构和FPGA的在线测试.在FPGA的在线全覆盖测试中,该算法的最小迭代测试(ROTE)次数与FPGA的规模无关,只与用户应用电路所占FPGA总资源的比例相关.     

一种使用TE11为过渡模的TE01-HE11模式变换器设计

基于弯曲圆波导耦合理论和规则圆波导突变结构模式匹配法, 利用MATLAB软件编写的相关数值计算程序得到波导模式转换结构的优化参量, 最终使用CST软件对模型进行了仿真和验证.该系统主要由三部分组成: 一个TE01-TE01的过渡器, TE01-TE11和TE11-HE11的圆波导模式转换器.计算结果表明, 该TE01-HE11模式转换系统在24.13 GHz的频率有5%的带宽、转换效率超过了99%.计算结果、仿真结果和实物冷测结果是一致的.     

FPGA重复配置和测试的实现

从制造的角度来讲,FPGA测试是指对FPGA器件内部的逻辑块、可编程互联线、输入输出块等资源的检测.完整的FPG A测试包括两步,一是配置FPGA,然后是测试FPGA,配置FPGA是指将FPGA通过将配置数据下载编程使其内部的待测资源连接成一定的结构,在尽可能少的配置次数下保证FPGA内部资源的测试覆盖率,配置数据称为TC,配置FPGA的这部分时间在整个测试流程占很大比例;测试FPG A则是指对待测FPGA施加设计好的测试激励并回收激励,测试激励称为TS.     

带UVLO功能的CMOS零温度系数带隙基准

采用CMOS工艺设计了一种零温度系数的带隙基准与零温度系数欠压闭锁(UVLO)的复用电路。由于这种复用,使其与传统的采用BiCMOS或CMOS工艺设计的电路相比,工艺成本低,易于实现。电路由通过改进的带隙结构产生零温度系数的基准电压,并同时检测输入电压,产生对温度和工艺不敏感的输入电压检测信号跳变阈值,实现欠压闭锁。同时通过反馈实现迟滞,克服了单一阈值的弱抗干扰能力。     

基于SCE-MI标准的事务级SoC协同仿效平台设计

讨论并介绍了基于事务的验证方法和SCE-MI标准,提出了一种基于SCE-MI标准的层次化事务级SoC协同仿效平台架构,并给出了该平台的具体实现方案;给出了一个基于该平台搭建的SoC验证环境实例及部分相关实验结果。     

千万门级IP验证与评测专用平台的电磁兼容设计

千万门级IP验证与评测专用平台的PCB具有信号频率高、布线密度大的特点，从而引起许多电磁兼容问题。分析了PCB电磁干扰的来源，提出了增强PCB板抗干扰能力和抑制电磁干扰的方法。同时，从PCB的叠层设计、电源和地的设计，以及元器件的选择和布局方面，分别介绍了在PCB的设计过程中应采取的抗电磁干扰措施，以及详细的设计方法。     

一种新颖的功率集成电路的过流保护设计

根据热阻与电流的关系,提出一种新颖的功率集成电路的过流保护电路。通过对过流情况下电源电流与结温关系的研究发现,当芯片出现过流情况时,芯片温度会迅速升高,从而导致芯片因过流而失效。基于以上的研究结果提出利用芯片中的过热保护电路来实现过流保护,既节省了芯片面积又保证了芯片性能,从而提高了产品的性价比。通过实际测试所设计芯片的数据,证明了本电路设计的合理性。     

新型电磁材料结构的微带天线设计

使用基于Matlab的遗传算法程序结合HFSS仿真,设计了一种具有表面波带隙特性的新型电磁材料结构,将其用于微带天线能够抑制表面波、提升增益.对优化记录进行保存和查询,有效地加快了算法优化进程.通过仿真对比表明:添加该新型电磁材料结构后的微带天线工作在5.8 GHz时,增益提升1.8dB,背瓣降低3.8dB,提升了天线对电磁信号的采集能力.     

多函数激活的拉普拉斯深度回声状态网络

结合可变激活函数、降维算法和深度回声状态网络针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合,可以通过调整系数来改变激活函数的非饱和区;拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络面临的病态、不适定问题;还使用了遗传算法来寻找最佳目标子空间维度。仿真分析从扰动影响、转换稳定性、时序预测和记忆容量四个方面进行,从仿真结果（新模型的记忆容量是深度回声状态网络的两倍,均方根误差比回声状态网络小42%）来看,新模型的记忆容量、预测精度都得到了显著改善。